图像在采集和传输过程中往往受到噪声污染,去噪任务是图像预处理中的重要步骤.现有的基于深度学习的图像去噪方法往往只进行单次的去噪,容易产生过于平滑或者太多噪点未去除的结果且无法恢复.因此,本文提出了一种基于循环神经网络的多阶段图像去噪方法.该方法包括两个去噪阶段,通过调整两个阶段的训练权重可以使得第1阶段的去噪结果包含部分未去除干净的噪点和更多细节信息,然后将第1阶段提取的特征通过门控循环单元传递到第2阶段,再进行第2个阶段的去噪.同时,为了使深度网络的训练更稳定,本文还设计了一个估计噪声分布的子网络,用于从噪声图像中估计噪声的分布.最后,将噪声分布和噪声图像拼接,作为网络的输入来训练去噪网络.实验结果表明,本文的基于循环神经网络的多阶段图像去噪方法具有先进的去噪性能.

图像去噪;循环神经网络;多阶段去噪;深度学习

福州大学 数学与计算机科学学院,福州350105;空间数据挖掘与信息共享省部共建教育部重点实验室,福州350105

[1]林煌伟;陈钧荣;牛玉贞-.基于循环神经网络的多阶段图像去噪方法)[J].小型微型计算机系统,2022(01):84-90

多阶段去噪

循环神经网络,图像去噪方法,输过,噪声污染,图像预处理,太多,噪点,未去,干净,细节信息,过门,门控循环单元,深度网络,更稳,噪声分布,子网络,噪声图像,图像拼接,去噪网络

0.249671